概率论与数理统计第14讲教学提纲.pptVIP

图示性质 X的概率密度 cX的概率密度 (4) 两个独立随机变量之和的方差, 等于这两个随机变量方差的和 证 D(X+Y)=E[X+Y-E(X+Y)]2 =E[X-E(X)+Y-E(Y)]2 =E{[X-E(X)]2+[Y-E(Y)]2 +2[X-E(X)][Y-E(Y)]} =E[X-E(X)]2+E[Y-E(Y)]2 +2E{[X-E(X)][Y-E(Y)]} =D(X)+D(Y) 这是因为X与Y独立, 则X-E(X)与Y-E(Y)也独立, 因此E{[X-E(X)][Y-E(Y)]} = E[X-E(X)]E[Y-E(Y)]=0 性质4可以推广到任意有限个随机变量 即, 若X1,X2,...,Xn相互独立, 则有 D(X1+X2+...+Xn)=D(X1)+D(X2)+...+D(Xn) 进一步可得: n个相互独立的随机变量的算术平均数的方差等于其方差算术平均数的1/n倍. (5) 任意随机变量的方差等于这个随机变量平方的期望与其期望平方之差, 即 D(X)=E(X2)-[E(X)]2 证 DX=E[X-E(X)]2 =E{X2-2XE(X)+[E(X)]2} =EX2-2E(X)?E(X)+[E(X)]2 =E(X2)-[E(X)]2 这个公式很重要, 实际上计算一个随机变量的方差用的是这个公式. 计算E(X2)的办法: 例 计算在区间[